Plurai huy động 13 triệu USD ở vòng hạt giống và ra mắt nền tảng mô phỏng tác nhân AI

Ngày 11 tháng 11 năm 2026, Plurai công bố khoản tài trợ và việc ra mắt, tiết lộ đã huy động 13 triệu USD vốn hạt giống và mở quyền sử dụng rộng rãi nền tảng mô phỏng tác nhân AI. Team8 dẫn đầu vòng gọi vốn khi công ty giới thiệu gói miễn phí cho sản phẩm trước đây chỉ dành cho một số đối tác và khách hàng được chọn.

U&I, Velocity và Mercer cũng tham gia, cùng hơn 20 nhà đầu tư thiên thần và lãnh đạo trong ngành. Trong số đó có nhà sáng lập CyberArk Udi Mokady và Reah Miyara, giám đốc cấp cao phụ trách Google Models tại Google Cloud, đồng thời từng là trưởng nhóm đánh giá mô hình tại OpenAI. Eyal Carmi, Giám đốc công nghệ của Microsoft 365 Copilot, đã tham gia ban cố vấn của Plurai.

Aviad Harell, đối tác điều hành của Team8, cho biết Plurai giải quyết nhu cầu về hạ tầng để xây dựng lòng tin trước khi các tác nhân tiếp cận khách hàng, đồng thời liên tục cải thiện chúng trong môi trường thực tế, đồng thời nói thêm: “Mô phỏng sẽ trở thành nền tảng cơ bản trong hệ thống tác nhân, giống như CI/CD trong phát triển phần mềm.”

Nền tảng mô phỏng hoạt động như thế nào

Plurai tạo một bản sao kỹ thuật số, hay bản sao phần mềm, của tác nhân và môi trường vận hành dựa trên kho kiến thức, công cụ và chính sách của khách hàng. Sau đó, trong môi trường thử nghiệm biệt lập, nền tảng cho tác nhân tương tác với những người dùng mô phỏng thực tế và có chủ đích gây đối kháng, nhằm phát hiện hành vi vi phạm chính sách, ảo giác, hành động sai, lệnh gọi công cụ bị lỗi, tác vụ thất bại và rò rỉ dữ liệu nhạy cảm trước khi khách hàng gặp phải những vấn đề này.

Trang sản phẩm mô tả các môi trường thử nghiệm biệt lập, nơi dịch vụ, tài liệu và trạng thái thế giới có thể được mô phỏng và đặt lại giữa các lần chạy, trong khi dấu vết từ môi trường thực tế có thể làm cơ sở cho các tình huống thử nghiệm sau này. Plurai truy nguyên lỗi đến bằng chứng và vị trí chính xác trong mã, tạo bản sửa lỗi rồi kiểm tra chúng bằng một tập hồi quy để xác định liệu một lần sửa có gây ra lỗi khác hay không.

Dữ liệu mô phỏng cũng cung cấp ví dụ phục vụ huấn luyện bổ sung sau giai đoạn huấn luyện ban đầu, tức quá trình huấn luyện thêm các mô hình ngôn ngữ nhỏ cho những tác vụ chuyên biệt. Các mô hình này có thể vận hành tác nhân hoặc đóng vai trò là bộ đánh giá liên tục và cơ chế bảo vệ, trong khi những lỗi mới được phát hiện trong môi trường thực tế sẽ được đưa trở lại quy trình mô phỏng. Nhà phát triển có thể bắt đầu với Claude Code, Codex hoặc GitHub Copilot, còn các nhóm có thể sử dụng nền tảng với những tác nhân được xây dựng trên Salesforce Agentforce.

Kết quả do công ty báo cáo

Plurai cho biết các đối tác thiết kế đã rút ngắn chu kỳ phát triển tác nhân từ nhiều tháng xuống còn vài giờ, giảm 82% số lỗi đến được với người dùng thực và hạ 97% chi phí vận hành các tác nhân đáng tin cậy. Kết quả này đến từ một nhóm khách hàng được chọn trong các ngành lấy AI làm trọng tâm và các ngành chịu sự quản lý chặt chẽ, bao gồm các công ty thuộc Fortune 500 và các công ty tài chính lớn, trước khi nền tảng được mở rộng cho nhiều người dùng hơn.

Nghiên cứu điển hình về khách hàng ngày 15 tháng 8 năm 2026 cung cấp cái nhìn chi tiết về một lần triển khai. Plurai cho biết một nhà cung cấp dịch vụ CNTT được quản lý cho doanh nghiệp tại Mỹ, không nêu tên, đã xây dựng mô hình tùy chỉnh đầu tiên trong 20 phút và hơn 100 mô hình trong vòng hai tuần. Với quyết định định tuyến cổng thông tin được xem xét trong nghiên cứu, mô hình tùy chỉnh xử lý được 89% yêu cầu, so với 69% của cấu hình Claude Haiku hiện có khi không có khả năng suy luận; độ trễ giảm từ 1,0 giây xuống 0,15 giây, còn chi phí suy luận giảm từ 2,87 USD xuống 0,076 USD cho mỗi 1.000 lượt gọi.

Nghiên cứu điển hình ngày 21 tháng 10 năm 2026 riêng mô tả công việc với NVIDIA và Nebius cho một khách hàng doanh nghiệp toàn cầu. Plurai cho biết họ đã huấn luyện bổ sung NVIDIA Nemotron 3.5 Lightning bằng tập huấn luyện gồm 3.722 cuộc hội thoại được gán nhãn bởi một mô hình giáo viên tiên tiến; mô hình tạo ra đạt điểm chất lượng 88,8 trên 100 trong các cuộc trò chuyện thực tế ở môi trường sản xuất, so với 78,4 của Claude Haiku-5.5 và 88,6 của GPT-6 Luna.

Nguồn gốc từ lĩnh vực xe tự lái và dữ liệu tổng hợp

Tổng giám đốc điều hành Ilan Kadar và giám đốc công nghệ Elad Levi thành lập Plurai sau thời gian làm việc tại Nexar, nơi Kadar là phó chủ tịch phụ trách AI còn Levi là kiến trúc sư AI. Kadar so sánh cách tiếp cận của Plurai với quy trình xác thực xe tự lái, dẫn chứng hơn 20 tỷ dặm mô phỏng của Waymo, con số mà ông cho là xấp xỉ 100 lần quãng đường lái xe thực tế của hãng.

BARRED, một bản tiền ấn phẩm do Arnon Mazza và Levi nộp ngày 28 tháng 4 năm 2026, cung cấp phương pháp tạo dữ liệu tổng hợp đứng sau quy trình đó. Phương pháp này phân rã một lĩnh vực thành các chiều và sử dụng tranh luận giữa nhiều tác nhân để xác minh nhãn, chỉ cần mô tả tác vụ cùng một tập nhỏ ví dụ chưa được gán nhãn. Plurai cho biết phương pháp này đã được chấp nhận tại ICML 2026.

Vòng gọi vốn hạt giống và gói miễn phí đưa Plurai từ các quan hệ đối tác thiết kế được chọn lọc sang thử nghiệm rộng rãi hơn với mô hình tự phục vụ. Câu hỏi trọng tâm trong giai đoạn tiếp theo là liệu những cải thiện về độ tin cậy và chi phí được báo cáo trong các lần triển khai đó có được duy trì khi ngày càng nhiều nhóm áp dụng toàn bộ quy trình gồm mô phỏng, sửa lỗi tự động và các mô hình chuyên biệt hay không.